augmented lagrangian method | BriefGPT

关键词augmented lagrangian method

搜索结果 - 18

基于少样本物理引导时空图卷积神经网络的学习求解机组启停问题
本文提出了一个少样本物理引导的时空图卷积网络（FPG-STGCN）来快速解决单位约束问题（UC）。通过调整 STGCN 来参数化 UC，并提出了少样本物理引导学习方案，利用商业优化器产生的典型 UC 解决方案以避免局部最小值，并利用增广拉格
PDF2 months ago
在无限维希尔伯特空间中学习一些玩具约束优化问题的解决方案
我们在无限维希尔伯特空间中提出了两种受限优化算法的深度学习实现，分别是罚函数法和增广拉格朗日法。通过在变分法或物理学中起源的一些玩具问题上测试这些算法，我们证明这两种方法能够为测试问题提供相当准确的近似，并且在不同误差方面具有可比性。利用拉
PDF6 months ago
一个自适应增广拉格朗日方法用于训练具有物理约束和平等约束的人工神经网络
采用增广 Lagrange 方法（ALM）解决前向和反向问题，为了进一步提高计算效率和节省计算成本，采用小批量训练。
PDFa year ago
NL-CS Net: 基于非局部先验的图像压缩感知深度学习
本文提出了一种使用非局部先验的 CS 方法，称为 NL-CS Net，通过学习解决非局部和稀疏正则化优化问题的扩展 Lagrangian 方法的每个阶段来解决现有网络方法的不足，其中重要参数是端对端学习的，并且在自然图像和磁共振成像实验中表
PDFa year ago
物理引导的图神经网络用于实时的交直流功率流分析
本文提出了一种基于物理引导的图神经网络来对交流 / 直流混合系统进行更快速的电力流分析，并取得了比传统基于模型的基准更高的计算效率。
PDFa year ago
广义函数逼近下的最优保守离线强化学习增广朗格朗日方法
本文基于边缘化重要性取样 (RL) 提出了一种新的离线强化学习算法，以实现一般函数逼近和单策略可集中性的统计最优性，无需不确定性量化，并且通过应用增广 Lagrange 方法，保证某些占用有效性约束的近似满足。与以往力图通过行为规则化等方法
PDF2 years ago
AAAI基于自监督的原始 - 对偶学习用于约束优化
本文研究了如何训练机器学习模型直接逼近受约束优化问题的最优解，提出了一种新的自监督训练方法 Primal-Dual Learning（PDL），该方法不需要预先解决实例集合或优化程序来进行训练和推理，而是同时训练原始神经网络和对偶神经网络来
PDF2 years ago
约束优化训练神经网络以处理关键且低频类别
本文提出用 Augmented Lagrangian Method 来解决在临床应用中，由于类别不平衡所引起的深度神经网络二分类器可持续错分少量样本的问题。作者认为，可以通过将分类问题看做约束优化问题并引入一种新的约束条件，即将假阳性率降至
PDF3 years ago
具有线性约束的非凸优化问题的 Moreau 包络增广 Lagrangian 方法
本文提出了一种基于 Moreau 包络的增广 Lagrange 方法（MEAL）来解决具有非凸（弱凸）并且非光滑目标的线性约束问题，证明其收敛性，并提出两种实际变体 iMEAL 和 LiMEAL 以解决子问题无解析解且难以求解的约束问题。
PDF3 years ago
连续约束优化在结构学习中的收敛性
该研究探讨了用增广 Lagrange 方法 (ALM) 和二次惩罚方法 (QPM) 求解结构学习的连续优化问题，发现 ALM 的收敛性质在线性、非线性和混淆情况下实际上和 QPM 相似，在 QPM 的渐近条件下收敛到有向无环图 (DAG)
PDF4 years ago
无限时域可微模型预测控制
本文提出了一种可微分的线性二次模型预测控制（MPC）框架，用于安全模仿学习，其中利用从离散时间代数 Riccati 方程（DARE）获得的终端成本函数强制实施无限地平线成本，以便能够证明所学控制器在闭环中稳定。该框架的学习能力在一组数值研究
PDF4 years ago
关于认证抵御对抗攻击的非均匀界限
研究神经网络模型的鲁棒性认证问题，提出一种框架来限制输出标志，以使加宽限制后的问题能够通过增广 Lagrangian 方法来解决，证明了非均匀限制具有更大的体积和更好的鲁棒性，并提供了一种定量的数据 - 不可知度量输入特征的鲁棒性。
PDF5 years ago
基于线性化增广 Lagrangian 函数的约束凸规划的一阶方法
本文提出了两种针对带约束凸问题的一阶方法，分别使用增广拉格朗日方法和单一近端梯度步进行变量更新，并证明了它们的全局和局部收敛性。数值实验验证了理论结果与实际表现的一致性。
PDF7 years ago
Dykstra 算法，ADMM 和坐标下降：关联，洞见和扩展
研究 Dykstra 算法、增广 Lagrangian 方法和块坐标下降之间的联系，证明了正则化回归问题中，坐标下降与 Dykstra's 算法在对偶问题中的应用是等价的，并且 ADMM 在对偶问题中也被证明是等价的，在两集合之间的特殊情况
PDF7 years ago
关于利用张量多阶最小化统一多视角自表示聚类
本文提出 t-SVD 基于多视角数据的子空间聚类方法，通过引入张量代数、低秩张量约束和增广 Lagrange 方法来探索多视角数据中的高阶相关性和互补信息。经过广泛实验证明，该方法在多个挑战性图像数据集上表现卓越。
PDF8 years ago
非凸非光滑优化中的 ADMM 全局收敛性
本文分析了交替方向乘子法（ADMM）在非凸优化中的收敛性，并提供了针对特定情形的收敛保证。同时，通过例子和分析，本文表明 ADMM 有望比增广拉格朗日方法（ALM）更适用于某些非凸非光滑问题。
PDF9 years ago
多元凸回归及其变形的计算框架
本文针对多元凸回归函数的非参数最小二乘估计器提出一种基于增广 Lagrange 方法的可扩展算法框架，并且给出了平滑凸的 LSE 拟合（分段仿射）的凸逼近方法及近似质量的形式保证，此外，提出了一种 Lipschitz 凸回归的正则化方案，并
PDF9 years ago
鲁棒反量化压缩感知
本文旨在研究数据压缩中由于舍入和饱和误差而引起的重构问题，提出了考虑量化和饱和误差的约束条件和加权 l2——l1 范数优化目标函数，采用增广 Lagrange 方法求解得到一个稳健的一致性解。同时，文章还对之前的相关建模方案进行了广泛的计算
PDF12 years ago